计算机辅助设计与图形学学报杂志

计算机辅助设计与图形学学报杂志2019年第11期

• 基于镂空标志的保结构增强现实标志隐藏方法

  陈佳舟, 徐阳辉, 陈坤琦, 罗运学, 缪永伟

  标志是室内增强现实应用中广泛使用的相机定标辅助工具,但标志的出现降低了虚实融合的真实感,极大地影响了增强现实画面的和谐度.基于图像修复的标志隐藏方法能够修复去除标志后的画面空洞,但大面积的图像修复往往难以无缝衔接背景的结构特征.为此,设计了一种镂空标志,将传统标志中与定标无关的区域镂空,以减少图像修复区域的面积;并提出一种基于镂空标志的增强现实标志隐藏方法,充分利用镂空标志镂空区域中的背景结构信息,通过一种先修复结构再修复其他区域的保结构图像修复方法,达到快速、无缝的标志隐藏效果.通过ARToolKit增强现实平台和自建测试背景进行实验,结果表明,增强现实标志隐藏方法修复误差小且不影响摄像机的定标精度,弥补了现有方法因大面积图像修复所导致的破坏背景结构特征的不足.

• NURBS曲面C^1连续参数优化算法

  李效伟, 杨义军

  为了在NURBS曲面上生成满足C1连续的近似弧长参数化等参线,将NURBS曲面4条边界的积分能量函数作为目标函数,提出一种基于分段三次重新参数化的曲面参数优化算法.首先推导出NURBS曲面4条边界的参数表达式;然后使用Hermite基函数变换NURBS曲面u和v方向参数,重新计算参数化等参线,导出变换后的4条边界的积分能量函数;最后通过数值优化算法计算出曲面的最优参数表示.在MFC和OpenGL环境下实现了多个NURBS曲面的等参线分布和纹理映射实验,结果表明该算法是有效的.

• 基于扩展总变差正则项的三维网格模型修复算法

  翟羽佳, 吴晓群

  针对特征保持的三维网格模型孔洞修复问题,提出一种基于扩展总变差正则项的修复算法.首先,根据邻接三角形中边界边的性质识别孔洞边界,利用动态规划方法重构孔洞区域的连接关系;然后,建立适用于三维网格模型修复的变分优化模型;最后,引入增广拉格朗日方法求解变分模型,迭代地优化三维网格模型的顶点位置.以带有孔洞的三维网格模型为数据,与2种基于体素的修复算法以及1种基于曲面的修复算法进行对比实验,实验结果表明,该算法能够有效地修复孔洞区域特征,在保持三维网格模型原始特征的同时全局地重建整个模型.

• 自适应稀疏编码融合的非刚性三维模型分类算法

  韩丽, 刘书宁, 徐圣斯, 朴京钰

  针对传统的三维模型单一特征识别精度低问题,提出一种自适应稀疏编码融合的非刚性三维模型分类算法.首先提取模型的平均测地线特征、热核特征、形状直径函数特征,以构造互补的多特征形状描述;其次利用特征袋模型构造AGD-BoF, HKS-BoF, SDF-BoF特征向量,通过随机样本建立特征权值矩阵;最后利用特征权值矩阵与稀疏优化编码自适应融合,并采用Softmax分类算法实现非刚性模型的有效分类.通过在非刚性数据集SHREC10与SHREC11上的综合实验表明,自适应稀疏编码融合的分类算法具有更高的识别准确率及较强的鲁棒性.

• 面向大规模体数据集的复杂几何曲面抽取方法

  吴付坤, 肖丽, 王华维

  针对在大规模数据场中进行复杂几何曲面抽取的性能和精度问题,提出一种基于八叉树加速结构和多边形裁剪的几何曲面抽取方法.首先应用平面-体求交方程将体单元抽取问题转换到二维空间中,其中引入基于空间包围盒的八叉树结构以减少无效体单元的计算;然后提出面向凹凸多边形的裁剪方法和若干优化策略以有效地进行多边形裁剪计算;再引入数据集预筛选功能减少无效网格片读入以提升曲面抽取性能;最后将该方法集成到通用可视分析引擎中.实验结果表明,该方法能够高精度、高性能地从数值模拟程序生成的数据场中抽取复杂几何曲面的表面场值.

• MSP-Net: 多尺度点云分类网络

  白静, 徐浩钧

  针对传统点云分类网络难以充分发挥卷积神经网络优势的问题,提出一种多尺度点云分类网络MSP-Net.首先,基于局部区域划分的完备性、自适应性、重叠性及多尺度特性要求,提出了多尺度局部区域划分算法,并以点云及不同层次的特征为输入,得到多尺度局部区域;然后构建了包含单尺度特征提取、低层次特征聚合及多尺度特征融合等模块的多尺度点云分类网络.该网络充分地模拟了卷积神经网络的作用原理,具备随着网络尺度和深度的增加,局部感受野越来越大,特征抽象程度越来越高的基本特征.最后将该算法应用在标准公开数据集ModelNet10和ModelNet40上,分别取得了94.71%和91.73%的分类准确率,表明该算法在同类工作中处于领先或相当的水平,验证了算法思想的可行性及有效性.

• 尺度自适应的纹理滤波方法

  宋成芳, 肖春霞

  对于图像中的多尺度纹理,其高效滤波仍是一项具有挑战性的工作.为此,提出了一种尺度自适应的变核纹理滤波方法,以更有效地实现"去纹理保结构"的图像平滑.设计了一种结构探测式的滤波核尺度选择机制,即在像点的预设考察邻域内探测结构边的存在,以不含结构边的最大范围估算像点适用的滤波核尺寸;最终纹理区域内的像点获得大尺度滤波核、结构上的像点获得小尺度滤波核.以多种尺度的核同步作滤波,即为一次多尺度纹理滤波,则各像点的滤波幅度自适应于邻域的结构-纹理分布.在对纹理图像作滤波平滑的实验中,相比于已有滤波方法,文中方法能够以较少的滤波迭代次数和处理时间获得视觉对比与量化评测指标上相似或更好的平滑效果,图像滤波结果表明,该方法在纹理去除效率和滤波质量上均具有优势.

• 旋转矩形区域的遥感图像舰船目标检测模型

  仲伟峰, 郭峰, 向世明, 潘春洪

  高分辨率遥感图像舰船目标检测是遥感图像理解任务中的热点研究问题.由于遥感图像中舰船目标存在成像视角单一、目标分布密集和目标尺度变化大等特点,直接将自然场景目标检测方法应用于遥感图像舰船检测任务中,并不能获得满意的效果.此外,自然场景目标检测任务中常用的水平矩形框对细长型舰船目标的定位精确度无法满足实际应用需求.因此,提出了基于旋转矩形区域的遥感舰船目标检测算法.首先,采用旋转矩形框完成舰船目标的定位.其次,提出兴趣区域特征金字塔池化模块,融合兴趣区域的多尺度池化特征以处理目标尺度变化较大的问题.最后,设计定位准确度预测分支,利用定位准确度预测值指导非极大值抑制算法,从而优化后处理的结果.在遥感舰船公开数据集HRSC2016上,通过3个级别任务(分别为单类、4类和19类舰船检测识别)上的实验结果验证了算法的有效性.

• 含有大片天空区域图像的去雾算法

  宋瑞霞, 刚睿鹏, 王小春

  为提高包含天空区域图像的去雾效果,解决暗原色先验原理去雾容易导致天空区域色彩失真以及图像整体亮度较暗的问题,针对含有大片天空的图像,提出一种基于天空分割和色调映射的图像去雾算法.在HSI颜色空间中利用图像众数和图像连通区域提出天空识别算法,分割出天空与非天空区域;然后根据暗原色先验原理分别求取二者透射率,并在天空区域完成大气光值的估计;最后在RGB空间中利用大气散射模型复原图像,并经过改进的自适应色调映射得到最终的去雾图像.采用合成雾图、实景雾图和网络收集雾图进行实验的结果表明,该算法在主观视觉和客观指标方面均能得到质量更好的去雾图像.

• 道路场景下相机自动标定及优化算法

  王伟, 张朝阳, 唐心瑶, 宋焕生, 崔华

  当前交通相机的自标定算法大多基于灭点或道路中的几何标识进行标定,但多灭点的检测存在不稳定及趋于无穷的"病态"条件,标识先验条件获取不精确等因素,造成自标定算法的实际应用受限.为了改进上述问题,首先根据典型道路场景,建立较稳定的单灭点标定模型;然后动态获取道路中的可标定区域及其中的几何标识,并在钻石空间中求取最佳灭点;最后利用场景中的冗余信息构造非线性约束条件,对标定参数在约束空间中进行迭代求最优,以消除标定初始条件不精确造成的标定误差.在云台相机监控的实际弯曲道场景中进行实验,同时改变相机视角及焦距进行实时算法处理,结果表明,该算法在多交通场景下的标定准确率达95%以上,优于现有算法,尤其适用于云台全方位交通相机的自标定.

• 面向弱匹配的跨媒异构迁移学习

  赵鹏, 高浩渊, 姚晟, 杜奕

  针对面向弱匹配的跨媒异构迁移学习中存在的迁移学习性能不高的问题,提出了一种基于平衡异构距离的混合拉普拉斯特征映射的跨媒异构迁移学习方法.利用大量非成对数据和相对少量的成对数据蕴含的语义信息,获取不同媒体域原始特征空间到潜在公共特征空间的映射矩阵;并在跨媒异构迁移学习中,构建混合图拉普拉斯矩阵,不仅保持了同一域下样本间的流形结构,而且保持不同域下样本间的流形结构;提升训练获得的模型在跨媒异构目标域的分类预测性能.在2个公共数据集NUS-WIDE和LabelMe上进行实验,表明了在成对数据的基础上,利用大量非成对数据可以增加模型的准确率和鲁棒性.

• 基于深度学习和表情AU参数的人脸动画方法

  闫衍芙, 吕科, 薛健, 王聪, 甘玮

  为了利用计算机方便快捷地生成表情逼真的动漫人物,提出一种基于深度学习和表情AU参数的人脸动画生成方法.该方法定义了用于描述面部表情的24个面部运动单元参数,即表情AU参数,并利用卷积神经网络和FEAFA数据集构建和训练了相应的参数回归网络模型.在根据视频图像生成人脸动画时,首先从单目摄像头获取视频图像,采用有监督的梯度下降法对视频帧进行人脸检测,进而对得到的人脸表情图像准确地回归出表情AU参数值,将其视为三维人脸表情基系数,并结合虚拟人物相对应的24个基础三维表情形状和中立表情形状,在自然环境下基于表情融合变形模型驱动虚拟人物生成人脸动画.该方法省去了传统方法中的三维重建过程,并且考虑了运动单元参数之间的相互影响,使得生成的人脸动画的表情更加自然、细腻.此外,基于人脸图像比基于特征点回归出的表情系数更加准确.

• 基于二阶变分模型的图像去雾

  高珠珠, 魏伟波, 潘振宽, 侯国家, 赵慧, 宋金涛

  基于暗原色先验理论的算法可以对不同场景下的雾天图像进行有效去雾,但是去雾后图像通常含有噪声且部分细节保持效果欠佳.二阶变分模型以二阶导数为正则项,可用于图像去噪,具有良好的边缘保持效果.文中首先通过暗原色先验方法估算出有雾图像大气光值与原始的透射率图,然后将非线性扩散模型运用到透射率图的求解中,再将其分别与二阶变分模型拉普拉斯变分模型、Hessian矩阵变分模型、总广义变分模型、总曲率变分模型结合,提出了4种二阶去雾模型(H-LV模型、H-HMV模型、H-TGV模型和H-TCV模型).为了提高计算效率,文中为4种模型设计了相应的交换方向乘子算法,通过引入辅助变量,使拉格朗日乘子不断更新迭代,直到能量方程收敛,输出去雾图像.最后采用LIVEImageDefogging图像数据库对所提模型和算法进行了实验验证.结果表明,所提图像去雾变分模型得到的图像边缘保持良好,并能抑制图像噪声.

• 量子索引图像的描述方法与隐写算法

  王兵, 郝梦奇, 李盼池, 肖红

  为解决量子计算机上索引图像的描述问题,提出一种量子索引图像描述方法.该方法中量子索引图像包含量子数据矩阵和量子调色板矩阵2种数据结构,每种数据结构均基于量子比特序列的基态进行信息表示;在此基础上,提出一种基于EzStego的量子索引图像信息隐写算法,首先计算量子调色板矩阵中每个颜色的相对亮度值,然后根据相对亮度值对颜色排序并分配亮度序号,最后根据每个颜色的亮度序号及其位置索引,结合嵌入的秘密信息对量子数据矩阵中的像素索引值进行更新,得到嵌入秘密信息后的量子数据矩阵.利用Matlab在经典计算机上采用USC-SIPI图像数据库数据进行仿真实验,从视觉质量、嵌入容量和鲁棒性三方面验证了该方法的可行性和有效性.实验结果表明,文中方法可在将来的量子计算机上执行.

• 多尺度上下文信息增强的显著目标检测全卷积网络

  凌艳, 陈莹

  针对目前基于深度学习的显著目标检测算法存在的目标完整性和区域平滑度的不足,基于非局部深度特征提出一种多尺度上下文信息增强的全卷积网络算法,包含多级别特征提取、多尺度上下文特征增强、对比度特征提取和局部-全局信息融合预测4个模块.首先从VGG16模型提取多级别局部特征,利用多尺度上下文实现特征信息增强;然后设计组合的损失函数进行网络训练以学习对比度特征;最后用局部-全局融合的方式实现显著图的预测.与已有算法在ECSSD,HKU-IS和DUT-OMRON数据集上进行实验的结果表明,该算法在复杂场景图像上的鲁棒性更好,对背景噪声具有更有效的抑制作用,得到的显著目标区域更加连续和完整.

• 自适应深层残差3D-CNN高光谱图像快速分类算法

  肖志云, 蒋家旭, 倪晨

  为了实现高光谱图像的快速训练、分类和超参数自适应寻优,提出基于深层残差3D卷积神经网络(3D-CNN)的高光谱图像识别分类算法.由于采用的3D特征提取算法更适合高光谱3D数据结构,使得网络可以快速地从完整的高光谱图像样本中同时提取丰富的空间和光谱特征;此外,通过对高光谱图像样本平面空间方向的旋转和翻转操作进行数据增强的方法;以及运用TPE超参数优化算法对设定的超参数选择空间自适应寻优的方法,都可以有效地提高分类准确率.通过在TensorFlow框架下对Pavia University, Indian Pines和KSC等标准高光谱数据集上的实验结果表明,与SSRN等其他算法相比,文中算法在加深网络结构的同时,提高了分类准确率;与人工设定超参数网络相比,以TPE自适应超参数优化算法优化的网络参数数量减少约一半,训练时间缩短约10%.

• 利用稀疏点云偏序关系的半监督单目图像深度估计

  曾一鸣, 胡瑜, 韩银和, 李晓维

  为了减少传统基于学习的深度估计方法对大量稠密深度数据的依赖,提出了一种基于偏序关系的深度估计方法.首先对RGB图像进行超像素划分,根据稀疏点云在超像素图像上的投影生成超像素的深度,进而在超像素中心之间建立了深度偏序关系,结合稀疏点云的实际深度值作为监督信息,训练卷积神经网络估计场景深度.在NYU Depthv2数据集上的实验结果表明,该方法仅需稀疏点云就可达到0.262的平均相对误差,优于之前国际同类方法,甚至超过部分使用稠密深度数据的监督方法.